正太分布 方差跟期望规律

瑞利分布的概率密度为：p(x)=2x/b*e^(-x^2/b)(积分限为0到+∞）E=∫xp(x)dx=2/b*∫x^2*e(-x^2/b)dx=-∫xd(e(-x^2/b))=-xe(-x^2/b)

方差是3.这是泊松分布,P(λ),也可以写成X~π(λ),P(X=k)=λ的k次方乘以e的(-λ)次方除以k的阶乘(这里用不了公式编辑器,只能口头叙述了).用期望和方差的公式可以推导出E(X)=λ,D

常数的平方还是常数,期望类似平均值,那C平方的期望不就是c平方?这里把c看成变量是为了后面求导,你可以把c看成变换的常数就好理解了再问：这个证发是先把c看成变量的。这道题，你有别的方法吗再答：可以作差

解题思路：见解答解题过程：varSWOC={};SWOC.tip=false;try{SWOCX2.OpenFile("http://dayi.prcedu.com/include/readq.php

再答：完全根据定义来推导，中间利用求和技巧，就能顺利求出再答：不知道我表达清楚了没有，若有疑问请追问哦再问：问下。哪几个标准正态分布的结果是要记住的？再答：我只记得住正太，卡方，指数，平均的均值，有的

XH(n,M,N)例N个球有M个黑球取n个黑球则EX=nM/NDX=nM/N*(1-M/N)*(N-n)/(N-1)其实可以和二项分布类比的..二项分布就是超几何分布的极限

额、、其实Xi^2不就服从自由度为1的卡方分布么?因为卡方分布期望为自由度,方差为2*自由度.所以D(Xi^2)=2了

EZ=2EX-3EY=-17var(Z)=4var(X)+9var(Y)-12cov(X,Y)=4var(X)+9var(Y)-12ρ(var(X)var(Y))½=4×2+9×3-12×（

二项分布b(n,p)期望np方差np(1-p)几何分布G（p）期望1/p方差（1-p）/(pXp)

你现在是上高中吗?这些可能你们还没学过,反正我是到大学才学的,X1是均匀分布,X2是正态分布,X3是指数分布,它们的期望都可由参数直接读出,最后的结果则直接由期望的线性性质求出.

poisson(a),即V满足λ=a的泊松分布,P(X=k)=λ^k*e^(-λ)/k!泊松分布的参数λ是单位时间(或单位面积)内随机事件的平均发生率.泊松分布适合于描述单位时间内随机事件发生的次数.

泊松分布,分布列为(p^k)*exp(-p)/k!,k=0,12,…….数学期望和方差均为p

随机变量的期望吧,就是出现n次,这个n次的平均值方差是随机变量的值,偏离期望值的程度第一个,EX=npE(x-EX）²=np（1-p)第二个,EX=µE(x-EX）²=σ

这个有点复杂的,具体的嘛,你去看高等数学积分那一章有的.很详细

均匀分布,期望是（a+b）/2,方差是（b-a）的平方/12二项分布,期望是np,方差是npq泊松分布,期望是p,方差是p指数分布,期望是1/p,方差是1/(p的平方)正态分布,期望是u,方差是&的平

E(n)=1/p,D(n)=(1-p)/p^2

常见的有正态分布,二项分布,指数分布,均匀分布正态分布N~（a,b)EX=aDX=b二项分布B~（n,p)EX=npDX=np(1-p)指数分布λEX=λ分之一DX=λ^2分之一均匀分布在（a,b)之

卡方分布：E(X)=n,D(X)=2nt分布：E(X)=0(n>1),D(X)=n/(n-2)(n>2)F(m,n)分布：E(X)=n/(n-2)(n>2)D(X)=[2n^2*(m+n-2)]/[m

P(λ)E(X)=λD(X)=λX指数分布E(X)=1/λD(X)=1/λ

因为（x-μ）/sigma是服从标准正态分布的,而标准正态分布在（-1,1)区间的概率是不会改变的